蔡志伟[1]2012年在《感应电机滑模逆解耦控制系统研究》文中认为感应电机被广泛应用于工业生产各个领域。但是由于它是一个多变量、强耦合、高阶非线性系统，当运行过程中部分内部参数变化或者外部负载扰动时，采用常规的控制方法已经不能及时调整各种控制参数，不能满足高性能的感应电机调速控制要求。因此设计出高精度、鲁棒性强的感应电机调速控制系统的要求越来越迫切了。本文首先应用逆系统方法对感应电机调速系统的数学模型进行可逆性分析，在理论分析的基础上，根据原感应电机系统数学模型构造出其相应的逆系统，再把得到的逆系统与原系统复合，将系统线性化解耦为转矩与定子磁链两个相对独立的伪线性子系统。分别设计线性闭环调节器对感应电机解耦后的两个子系统进行控制，强调转矩的直接控制效果，进而实现转速的精确控制。滑模变结构控制是一种非线性控制方法，由于其滑动模态对外部扰动及内部参数变化都具有良好的鲁棒性能，因此应用十分广泛。本文针对感应电机调速系统应用滑模变结构控制方法，设计感应电机逆解耦控制系统的速度调节器，使得控制系统具有更好的鲁棒性和动、静态性能。最后，在感应电机矢量控制基础上，对感应电机进行逆系统解耦控制性能、滑模变结构速度控制器抗负载扰动性能和鲁棒性方面的仿真实验。仿真结果表明，本文提出的感应电机滑模逆解耦控制系统是可行的。因此，该解决方案是有效的、合理的。
胡浩明[2]2004年在《基于滑模变结构和模糊神经网络理论的感应电机矢量控制研究》文中提出随着现代电力电子技术、计算机技术、智能控制技术以及自动控制技术的快速发展，电气传动系统逐步走向智能化控制和数字化控制，这也使得交流调速技术获得了突破性的发展。其中矢量控制技术通过坐标变换可以把交流电机等效为直流电机来控制，获得与直流电机调速同样优良的动静态性能。但由于交流控制系统本身的非线性、结构的复杂和电机参数变化会影响控制性能，传统的控制无法克服这些影响，将智能控制应用于矢量控制可以有效地减少甚至克服这些影响。本论文研究了基于滑模模糊神经网络的感应电机矢量控制。论文第一章简要介绍了近代交流调速技术的现状和发展方向，微处理器和智能控制的基本情况。第二章介绍了矢量控制的基本原理。第叁章重点研究了模糊神经网络。针对模糊神经网络存在的网络性能不佳，学习效率不理想，网络难以选择最佳结构，经常陷入局部极值等问题。着重对神经网络的学习算法进行了研究，采用了一种新的学习方法。通过对其进行仿真实验、理论分析与探讨，结果证明该方法正确、有效、可行。第四章重点介绍了基于滑模变结构模糊神经网络的感应电动机矢量控制。对比普通滑模控制，有效地减小了由滑模控制带来的抖动。通过实时修正电动机转子电阻参数，使矢量控制能够准确定向。第五章介绍了感应电动机矢量控制系统的设计,对实现控制系统的DSP内部硬件和软件编程进行了简要的说明。变频调速技术作为高新技术、基础技术和节能技术，已经渗透到了经济领域的各个技术部门中。随着智能控制、各种微处理器以及各种硬件的不断发展，矢量控制技术将会得到更加快速的发展。
赵俊晖[3]2009年在《基于滑模变结构控制的感应电机矢量控制系统的研究》文中进行了进一步梳理随着现代电力电子技术、计算机技术、智能控制技术以及自动控制技术的快速发展,电气传动系统逐步走向智能化控制和数字化控制,这也使得交流调速技术获得了突破性的发展。二十世纪七十年代发展起来的矢量控制技术通过坐标变换可以把交流电机等效为直流电机来控制,从而获得与直流电机调速系统同样优良的动静态性能。但由于交流控制系统本身的非线性、结构的复杂和电机参数变化会影响控制性能,传统的控制无法克服这些影响,将智能控制和非线性控制方法应用于矢量控制可以有效地减少甚至克服这些影响。本文主要研究了滑模变结构控制在感应电机的矢量控制系统中的应用。文章首先对矢量控制的基本原理进行了介绍。分析了矢量控制的基础坐标变换理论,建立了感应电机的数学模型,并且探讨了矢量控制的主要类别,重点研究了转子磁场定向的矢量控制系统。滑模变结构控制是一种非线性控制方法,由于其滑动模态对外部摄动及内部参数的变化具有很强的鲁棒性,因此应用十分广泛。但是该性能是在系统状态到达滑模面上才得到,在系统趋近运动阶段,系统控制只是一般的反馈控制,系统此时对外部的干扰和内部参数的变化缺乏自适应性,因此在很大程度上影响了滑模变结构的鲁棒性。在讨论了常规滑模面滑模控制器的设计之后,又针对如何削弱滑模控制的抖振,如何提高系统的鲁棒性等问题将滑模控制与模糊控制相结合设计了模糊等效滑模控制以及设计了积分滑模面滑模控制器,使系统在趋近段也具有很好的鲁棒性,同时也减弱了系统的抖振问题,具有优良的性能。仿真结果也证明模糊等效滑模控制和积分面滑模控制相比PI控制和常规滑模面滑模控制在启动速度、鲁棒性以及减小转矩脉动方面的具有很大的优势。为了验证滑模速度控制器在感应电机矢量控制中可靠应用,搭建了感应电机控制试验装置,包括基于MOSFET搭建的逆变器及其驱动电路、电压电流检测电路以及基于DSP2407的控制电路等,对实现控制系统的DSP内部硬件和软件编程进行了简要的说明。最后针对基于MOSFET的逆变器主电路进行了实验研究,并列出了相关实验波形。
张利[4]2007年在《神经网络理论和滑模控制在感应电机系统中的应用研究》文中认为感应电机是一类非线性、多变量、不确定、强耦合并附加干扰的混合型系统，可作为非线性控制的典型，对其理论和应用的研究近年来成为关注的热点。对此人们已提出了各种控制方案，这些方案解决了一些问题，但仍存在不足之处。因此研究一种工程实用的有效控制方法是亟待解决的问题。本文在综述感应电动机的控制方法和详细分析感应电动机数学模型的基础上，用不同得方法研究了定子磁链和转速的跟踪控制问题。首先，鉴于滑模变结构控制对系统的参数变化和扰动具有安全的自适应性、尤其对于模型不确定的系统，具有较好的稳定性和鲁棒性，本文提出了一种基于TSM控制器的感应电机有限时间跟踪控制，具体做法就是将感应电机调速系统这一多变量、非线性、强耦合的系统为研究对象，将其数学模型分成转子磁链与转速两个非线性子系统分别进行控制。控制器的设计采用有限时间收敛的TSM控制方案，保证了整个系统的全局稳定性，且使系统状态在有限时间内精确跟踪给定的参考信号。仿真结果表明了该控制方案的有效性。其次，鉴于人工神经网络的非线性映射能力，自学习和自适应不确定性系统动态特性的能力，容错和泛化能力以及并行处理能力等，本文又提出了一种基于神经网络逆的PID自适应控制算法，将RBF神经网络引入逆控制，并进行了PID综合，控制系统结构由两个RBF神经网络组成，一个用于实现模型的逆，一个用于系统辨识，从而构成自适应逆控制，在突加外界扰动且模型参数发生变化时，此控制方案能大大削弱阻力扰动对速度的影响，对系统参数变化和外在扰动具有较强的鲁棒性。本文还充分利用单神经元的自学习和自适应能力，设计了一种自适应智能PID控制器，并结合RBF神经网络系统辨识功能，提出了一种神经网络模型参考的自适应控制方法，仿真结果表明此方法具有较好的自适应性和鲁棒性强而且结构简单易于实现。
黄远[5]2013年在《电动汽车用感应电机驱动系统能量优化控制研究》文中研究指明本文阐述了电动汽车驱动系统使用电机的研究应用现状及其驱动控制方式，对电动汽车驱动系统用感应电机的各种效率优化控制策略进行了总结。在保证系统控制性能的前提下，本着提高电动汽车一次充电续行里程及其动态响应速度的研发目的，对感应电机的效率优化控制问题进行了研究。本文主要研究工作可分为以下几方面：1、从感应电机的数学模型入手，对系统的损耗进行了分析，建立矢量控制平台下的感应电机数学模型。2、采用基于二叉树型神经网络逐层预测模型得到感应电机在不同运行工况下的最优转子磁链给定值。通过仿真实验证明使用该模型得到的最优转子磁链给定值使感应电机驱动系统的运行效率得到提升。3、考虑到电机在运行过程中不可避免地会发生参数摄动以及存在负载扰动等不确定因素的影响，采用一种新型的趋近律函数，设计了模糊控制策略对趋近律函数的参数进行调节，提出了基于新型趋近律的感应电机模糊滑模变结构控制方案。通过仿真实验证明该控制方法除了具有强的鲁棒性外还具有快速动态响应的特性，有效实现了系统的效率优化。
曹靖[6]2018年在《滑模变结构控制在高性能变频调速系统中的应用研究》文中指出变频调速系统是工业生产的核心装备,其性能的优劣直接影响着现代工业产品的数量和质量。现代交流调速系统正朝着高电压、大容量、高效率、绿色节能的方向发展,这对控制技术的研究和开发都提出了更高的要求。本文关注交流调速应用场合中,对速度控制精度和转矩动态响应要求较高的工业生产线,例如轧钢生产线。这种工业应用场合,在生产过程中存在很多非线性的干扰问题:首先,交流异步电机本身就是典型的非线性、多变量、强耦合的高阶控制对象,本身存在难以控制的问题;再者,在实际运行过程中,电机的工况复杂多变,运行效率和功率因数较低,导致控制复杂性的增大;同时,就整个变频调速系统来讲,系统自身参数的变化和外界的扰动对系统造成的影响目前仍未得到很好的解决。针对这些问题,本文采用了滑模变结构控制,其控制的不变性很好的解决了全局非线性的问题。然而,滑模变结构控制本身存在的抖振现象,却限制了其进一步的工程应用。抖振幅度的增加影响了系统的控制性能及抗干扰能力。因此,本文利用重复控制与滑模变结构控制复合,削弱滑模变结构控制引起的抖振幅值,从而使整个系统达到高性能的要求。基于此,本文以双PWM变换器驱动异步电机调速系统为研究对象,研究并应用基于滑模变结构控制理论的高性能控制策略,提高系统的控制性能和抗干扰能力,实现调速系统网侧并网性能和机侧调速性能的多目标优化控制。重点研究结合了滑模变结构控制与重复控制的复合控制技术及其对抖振现象的抑制效果、网侧PWM变换器再生制动能量并网过程中控制策略的研究、机侧PWM逆变器—异步电机调速系统控制策略的研究等。主要工作及创新点如下:首先,本文提出一种重复控制技术优化滑模变结构控制的新型复合控制策略,用以抑制抖振现象,提高系统稳态、动态控制性能。抖振现象是滑模变结构控制的自身属性,与固有的不变性彼此互联,随着外界干扰的增强,抖振的幅度也不断增大,严重影响着变结构控制的工程应用。而重复控制的最大优点是对被控对象的期望轨迹进行有效地跟踪,从而达到持续维护系统本质特性、主导系统运行轨迹、抵抗外界干扰的控制效果,非常有利于改善滑模变结构控制的控制特性。本文采用李亚普诺夫定理分析其稳定性能和收敛特性,利用相平面分析重复控制对滑模变结构控制的优化过程。仿真和实验结果表明所提复合控制策略能够有效抑制抖振幅度,提高系统的控制性能。直流母线电压的稳定性是交流调速系统网侧PWM变换器控制的重要指标。然而,电机制动产生的回馈能量、电网波动产生的能量都可能引起母线电压的大幅波动,从而造成开关器件电压应力的增加甚至系统的损坏。因此,为提高直流母线电压的调节能力,快速有效地释放母线蓄积的能量,本文提出了 PWM整流器双环混合控制策略。该策略采用滑模变结构控制解决母线电压波动抑制问题,采用重复控制解决内环电流精确跟踪问题。仿真与实验结果充分证明该策略可以有效地增强系统抗干扰能力,提高系统稳定性和可靠性。针对电机制动回馈能量具有瞬态能量高、电流变化大的特点,本文提出了 PWM整流器高质量瞬态并网的复合控制策略。利用该控制策略精确的跟踪特性有效抑制了稳态时并网电流的谐波干扰,保证在任意时刻网侧整流器的无功为零、传送的有功则近似等于电机侧逆变器回馈有功。同时,利用控制策略的快速动态响应和抗扰动能力,迅速消除负载扰动产生的直流侧泵升电压,减少能量的蓄积。PWM逆变器一异步电机调速系统是双PWM变频调速系统的负载侧重要组成部分,为提高其动态性能和抗干扰能力,本文将新型复合控制技术应用于异步电机矢量控制系统中,并与经典的滑模变结构控制进行了比较研究,解决了系统负载扰动抑制的问题;另外,针对无速度传感器中观测精度问题,采用滑模变结构控制技术改善了基于模型参考自适应的异步电机无速度传感器的控制性能,并利用仿真验证了该方法的有效性。先进控制策略在大功率变频调速系统的应用还存在很多未知的潜在危险,如何快速而有效地验证先进控制算法的可行性是所有研发人员面临的问题。对此,论文设计了一套半实物实时仿真系统,利用延时补偿和事件捕捉等手段,解决定步长仿真所带来的脉冲延时等现象,真正实现信号传递的实时控制,使先进控制策略得到快速验证,具有高置信度,易实现等特点。
徐丽霞[7]2011年在《基于滑模变结构的异步电机高性能调速系统的研究》文中研究指明交流调速系统由于系统本身的非线性、结构复杂和电机参数变换等原因,会影响系统的控制性能,为了克服这些影响,提高系统性能,采用各种智能技术的优点互补性成为现在研究的热点。把滑模变结构控制理论在交流电机矢量控制系统中进行应用是本文研究重点。论文首先阐述了交流调速系统的发展历程及课题研究的意义,然后根据现在调速出现的一些情况引出了矢量控制基本思想。第二章首先讲了电机调速的关键是什么,交流电机怎么样才能获得像直流电机那样的控制效果,以此引出矢量控制基本理论及异步电机在各个坐标系下的矢量变换,为构建SVPWM矢量控制系统平台提供了理论依据。接着研究了滑模变结构控制的设计问题,主要是针对比较了传统的PI或PID发现他们存在的不足而设计的,而该系统虽然能够弥补上述控制器的不足但又会出现一些新的问题如抖振。针对存在的抖振以及如何提高系统的鲁棒性等问题,进行了模糊滑模变结构的设计。然后介绍了利用滑模观测器来进行转速的辨识的无速度传感器矢量控制系统的实现,同时对该观测器的估计的转速进行了推导,在两相静止坐标系下的参考模型和可调模型进行定义,并确定了系统进入滑模控制时的等效速度等。然后在MATLAB/Simulink环境下进行仿真并对结果进行分析。最后本论文以TMS320LF2407为基本的控制核心进行了实验平台的搭建并进行实验,实验结果表明本文所采用的基于滑模变结构的异步电机高性能调速系统的研究是有效的、合理的。
陈维[8]2009年在《无速度传感器感应电机的神经网络鲁棒自适应控制理论研究》文中进行了进一步梳理本论文以无速度传感器感应电机控制系统为主要研究对象,从转子磁链估计、转速估计、感应电机的神经网络鲁棒自适应控制及其应用等四个方面提出了一些新的方法。对于转子电阻和负载转矩未知的情况,提出了一种滑模变结构方法估计转子磁链,并改进了其纯积分算法,使之可以抑制直流干扰。仿真验证了这种方法具有较高的估计精度。提出了一种可以估计转子磁链和转速的观测器及相应的算法。仿真研究表明,本文提出的算法对定子电阻、转子磁链和转速的估计很精确。对于转子电阻和负载转矩未知的情况,用电压模型估计转子磁链,将磁链参考量注入交流信号估计转子电阻,分析了注入交流信号的原因,由感应电机静止坐标系模型推出转速估计表达式,再将估计的转子电阻代入其中估计转速。经仿真,转子电阻和转速的估计精度较高。为了提高该方法的估计精度,提出了一种精确计算的方法,该方法用电压模型估计转子磁链,然后根据感应电机的静止坐标系模型推出转速和转子电阻的方程,根据这两个方程解出转速和转子电阻的表达式。分析了这两个量的表达式的成立条件,给出了它们的表达式分母为零的处理办法。仿真研究表明,所提出的方法能准确的估计感应电机的转速和转子电阻。为了解决转子电阻和负载转矩未知的感应电机控制问题,在避免直接解复杂的HJI (Hamilton-Jacobi-Isaac)不等式的情况下,用反步法(Backstepping)设计了一种L2-增益鲁棒控制方案。其中,为了避免反步法带来“项的爆炸(Explode of Terms)"问题,采用了动态面控制方法(Dynamic Surface Control Technique)。在外环控制器中引入鲁棒项,抑制不确定参数对控制系统造成的影响,并且用Lyapunov定理和HJI不等式证明了系统具有小于等于正的常数γ的L2-增益。仿真研究表明,用所提出的控制方案比不用鲁棒控制项的控制系统跟踪精度和鲁棒性更好。本论文提出了一种感应电机的神经网络L2-增益鲁棒自适应控制方法,该方法用RBF (Radial Basis Function)神经网络补偿转子电阻和负载转矩的不确定性。在没有解HJI不等式的情况下,基于反步法设计了控制器。提出了用于神经网络权值学习的投影算法。用Lyapunov定理和HJI不等式证明了系统的鲁棒性和稳定性。然后,针对这种方法有失控的情况,提出了一种改进的神经网络L2-增益鲁棒自适应控制方法。在没有解HJI不等式的情况下,采用反步法设计了控制器。考虑了由感应电机转子电阻和负载转矩的不确定性造成的扰动,采用RBF制器。考虑了由感应电机转子电阻和负载转矩的不确定性造成的扰动,采用RBF神经网络来补偿这些扰动。将感应电机基于转子磁链定向的两相旋转坐标系模型各个状态变量的跟踪误差和各RBF神经网络权值向量的跟踪误差看作整个控制系统的状态变量,提出了一种改进的神经网络学习的δ-修正算法。在神经网络输出的表达式中引入了放大因子,以减少整个控制系统的评价信号范数。用Lyapunov定理和HJI不等式证明了整个控制系统的鲁棒性和稳定性。这两种控制方法都与本论文提出的第叁种转速估计方法联用。仿真结果表明,所提出的控制方法对所考虑的感应电机的不确定性具有很高的动态性能并具有很强的鲁棒性。针对感应电机定子电阻和负载转矩参数的不确定性,提出了感应电机神经网络鲁棒自适应控制方法。定义了特定的状态变量跟踪误差。用反步法设计了一种可以将各状态变量跟踪误差和神经网络各权值限制在规定范围内的神经网络鲁棒自适应控制器,提出了另一种用于神经网络学习的改进的δ-修正算法。用Lyapunov定理证明了该控制系统的稳定性。这种控制方法与本论文提出的第一种转速估计方法联用。仿真结果表明,所提控制系统有高的跟踪性能和强的鲁棒性。针对有非最小相位特性的二阶DC/DC(直流／直流)变换器平均值模型,以Buck-Boost变换器为典型例子,提出了一种非线性反馈做内环控制器,来控制电感电流,用RBF神经网络作为自适应机构,提出了一种神经网络鲁棒自适应控制器作为电压外环控制器,控制其输出电压,并用Lyapunov定理证明了这一系统的稳定性。仿真结果表明,提出的控制器具有很好的动态性能和很强的鲁棒性。对于一类具有叁角结构的SISO (Single Input Single Output)的不确定非线性系统,在没有解HJI不等式的情况下,用反步法和动态面控制法设计了一种使用神经网络补偿未知非线性的L2-增益鲁棒自适应控制器。合理的选择了L2-增益性能指标,将被控系统各个状态变量的跟踪误差和神经网络各权值的跟踪误差看作整个控制系统的各个状态变量。提出相应的改进的神经网络权值δ-修正算法。在神经网络输出的表达式中引入了放大因子,以减少整个系统状态变量的跟踪误差。用Lyapunov定理和HJI不等式证明了提出的控制器是所考虑的被控系统的神经网络L2-增益鲁棒自适应控制器。仿真研究结果表明所提出的控制器具有很高的跟踪性能和很强的鲁棒性。本文最后对全文的创新点进行了总结,提出了对未来研究工作的展望。
郑小红[9]2016年在《滑模变结构控制在交流伺服系统中的应用研究》文中研究说明随着时代的进步,交流伺服系统的应用变得越来越广泛,其中采用先进控制策略的永磁同步电机伺服系统已经成为当今高性能伺服系统的发展方向。在永磁同步电机控制的众多方法中滑模变结构控制因具有较好鲁棒性、控制精度高、实现简单等优势,而被广泛地应用到永磁同步电机控制中。论文对滑模变结构控制在永磁同电机中的应用进行了深入的分析与研究。首先建立永磁同步电机伺服系统的数学模型,然后,分析永磁同步电机伺服系统所具有的的特性,最后,以永磁同步电机伺服系统为研究对象,对传统的滑模变结构控制进行改进,以提高系统的控制性能。其中为减弱系统抖振,将积分滑模变结构控制与二次抛物线定义的非线性饱和函数相结合来设计滑模控制器;速度伺服系统中应用快速终端滑模变结构控制来提高系统的收敛速度,并同时采用Anti-reset Windup技术来消除系统中的windup现象;位置伺服系统中应用基于终端吸引子与指数的混合趋近控制方法,以此来提高永磁同步电机位置伺服系统的定位精度。论文中对所设计的控制器都通过李雅普诺夫稳定性判断定理证明了其可以使受控系统达到稳定状态,最后还通过Matlab/Simulink及编程对系统进行了数值仿真对比实验,证明了改进的滑模变结构控制方法的所提控制策略的有效性与可行性。
马达[10]2010年在《永磁直线电机直接推力控制系统的滑模控制研究》文中研究指明近年来,直接推力控制系统以其结构简单、推力响应快、不受转自参数影响等优点成为电机控制领域的研究热点。然而,由于直线电机对负载扰动和系统参数变化比较敏感,而且直线电机端部效应的存在增加了控制的难度,因此,设计控制精度高、易于实现、鲁棒性强的控制系统对于直线电机的推广应用具有很重要的实际意义。本文以永磁直线同步电机为研究对象,搭建了永磁直线电机的直接推力控制系统结构模型,并以此为基础分别研究了滑模控制器和无速度传感器的设计问题。论文主要研究工作包括以下叁点：(1)结合滑模控制技术和RBF神经网络建模方法,设计了一种新颖的RBF神经滑模控制器,可以有效适应负载和参数的变化,提高控制系统的鲁棒性,并通过仿真实验进行了验证,取得了较好的控制效果。(2)针对滑模变结构控制的抖振问题,设计了基于趋近律的速度环滑模控制器,仿真实验显示,该控制器不仅可以有效消除滑模控制的抖振,而且有效的抑制了负载扰动,减小了速度超调量,提高了速度的跟踪性。(3)为了降低机械传感器产生的成本,本文设计了永磁直线电机直接推力控制系统的无速度传感器,仿真结果表明本文所设计的无速度传感器能够较准确快速的跟踪速度的变化。
参考文献：
[1]. 感应电机滑模逆解耦控制系统研究[D]. 蔡志伟. 河南工业大学. 2012
[2]. 基于滑模变结构和模糊神经网络理论的感应电机矢量控制研究[D]. 胡浩明. 湘潭大学. 2004
[3]. 基于滑模变结构控制的感应电机矢量控制系统的研究[D]. 赵俊晖. 重庆大学. 2009
[4]. 神经网络理论和滑模控制在感应电机系统中的应用研究[D]. 张利. 曲阜师范大学. 2007
[5]. 电动汽车用感应电机驱动系统能量优化控制研究[D]. 黄远. 河北工程大学. 2013
[6]. 滑模变结构控制在高性能变频调速系统中的应用研究[D]. 曹靖. 北京科技大学. 2018
[7]. 基于滑模变结构的异步电机高性能调速系统的研究[D]. 徐丽霞. 辽宁工程技术大学. 2011
[8]. 无速度传感器感应电机的神经网络鲁棒自适应控制理论研究[D]. 陈维. 湖南大学. 2009
[9]. 滑模变结构控制在交流伺服系统中的应用研究[D]. 郑小红. 河北科技大学. 2016
[10]. 永磁直线电机直接推力控制系统的滑模控制研究[D]. 马达. 华东理工大学. 2010
标签：电力工业论文; 感应电机论文; 矢量控制论文; 鲁棒性论文; 滑模变结构论文; 模糊神经网络论文; 线性系统论文; 滑模论文; 仿真软件论文; 模糊算法论文; 模糊理论论文; 电机转子论文; 非线性论文;